对应目标：SDG 7确保人人都能够获取到经济适用的、可靠的、可持续的和现代化的能源

对应指标：SDG 7.2研究影响中国风电、光伏等可再生能源成本下降的因素及成本下降对中国风电、光伏产业发展的影响

成果亮点

l 综合2012~2023年间各类专业行业报告、政府公开文件、行业协会及企业调研结果、实际工程项目决算与概算成果、以及计鹏数据库等，多渠道及多维度搜集和整合风电、光伏成本数据以及可再生能源规模化发展的相关数据，分析展示相关变化趋势。

l 研究表明，技术进步是风电、光伏成本下降的主要驱动力，对技术对风电、光伏成本下降贡献超过50%；风电、光伏装机规模扩大是推动成本下降的另一主要因素。通过学习曲线模型分析，2012-2023年风电累计装机容量每翻一番，单位千瓦造价成本下降5.5%，光伏累计装机容量每翻一番，单位千瓦造价成本下降6.5%。

1.案例背景

随着全球气候变化和环境问题日益严峻，可再生能源的开发和利用成为了各国政府和企业关注的重点。在众多的可再生能源中，风电和光伏以其清洁、可再生的特性，成为了推动能源结构转型、实现绿色发展的重要力量。近年来，风电、光伏发电成本持续下降，不仅让可再生能源在经济上与传统能源相比具有更强的竞争力，还为可再生能源的规模化应用提供了现实的可能性，成本的下降成为推动可再生能源市场化、规模化、可持续发展的主要动力和根本保障。

然而，近年来国内外大多数文献只倾向于对推动风光发电成本下降的因素进行定性的综合性阐述分析，缺乏基于实际数据的定量的分析论证和评估。本研究旨在基于过去十多年，中国可再生能源行业数据、全国电力工业统计数据、以及计鹏咨询等相关公司统计的风电、光伏项目可研、评审和经济分析数据，通过定性和定量相结合的方法，分析和展示风电、光伏成本的变化趋势，重点评估技术、规模效应、政策、原材料、国产化等影响成本下降的因素，以及成本下降对中国风电、光伏发展的影响，为全球可再生能源产业发展和国家绿色转型决策提供经验支持。

2.所用地球大数据

n 2015-2021年《全国可再生能源电力发展监测评价报告》

n 2017-2023年国家能源局统计全国电力工业数据

n 2019-2022年《中国可再生能源发展报告》

n 2012-2021年《中国风电产业地图》

n 2015-2024年《中国光伏产业发展路线图》

n 2022-2024年《我国电力发展与改革报告》

n 2016-2017年投产电源工程项目造价情况

n 《RENEWABLE POWER GENERATIONCOSTS IN 2022》

n 2023年全国各省份脱硫燃煤平均标杆电价

n 2021-2023年水规院统计数据

n 2012-2023年计鹏数据库

n Wood Mackenzie统计数据

3.方法介绍

本案例采用定性和定量相结合的研究方法，通过文献分析、案例研究、专家访谈、千例风光实际工程项目数据库分析等，整合2012-2023年中国风电、光伏产业技术、成本、规模化、政策、原材料、国产化等数据，利用SPSS软件计算相关性，分析和评估影响成本下降的因素，以及成本下降对中国风电、光伏发展的影响。其中，对风电、光伏成本和规模化之间相关性和影响的评估，采用学习曲线模型开展。具体研究方法如下：

根据学习曲线原理，单位千瓦造价成本与累计装机容量之间的关系可表示为：

。

式中：Y_t表示单位千瓦造价成本；α表示初始单位千瓦造价成本；X_t表示累计装机容量；β表示累计装机容量对单位千瓦造价成本的弹性系数，是个负值；μ_t表示随机干扰因素。

将学习曲线模型与线性回归法相结合，对其学习效应进行分析，能够进一步验证累计装机容量上升所产生的规模效应。通过对风电、光伏数据进行分析，得出学习曲线学习率（用LR表示），表示当累计产量翻一番时，单位成本下降的百分比。

其中，风电学习曲线方程为：

光伏学习曲线方程为：

进而可得，2012-2023年我国风力发电成本的学习曲线学习率为：=0.055；2012-2023年我国光伏发电成本的学习曲线学习率为：=0.065。（模型计算详见附录5）

4.结果与分析

1）技术进步是风电光伏成本下降的主要驱动力，对风电光伏成本下降贡献超过50%。风电技术进步主要表现为机组大型化，根据对2012-2023年风设备成本数据分析，随着单机容量增加，单位千瓦制造、安装、土地占用、线路等成本均明显下降，2012年1.5MW/2MW等主流机型成本约为4200元左右，2023年底5MW/6MW等主流机型成本1600元，降幅超过60%，对风电总成本下降贡献了约60%。光伏技术进步包括电池转换效率提升、加工过程能耗、生产工艺等，光伏电池平均转换效率由2012年的17.8%提升至2023年的24.5%，带来约37%的光伏成本下降，通过线性回归分析，2012-2023年光伏转换效率每提升1个百分点，光伏单位千瓦造价下降1392.4元/千瓦。

2）风电光伏装机规模扩大有利于分摊固定投资，是推动成本下降的另一主要因素。2023年中国风电和光伏新增装机容量分别是2012年的5.1倍、200倍，累计装机容量分别增加6倍、185倍。同期中国风电和光伏单位千瓦投资额分别下降了约47%、73%，平准化度电成本下降超过60%、80%。通过线性回归分析，风电光伏造价与装机规模呈现明显负相关。通过学习曲线模型分析，2012-2023年风电累计装机容量每翻一番，单位千瓦造价成本下降5.5%，光伏累计装机容量每翻一番，单位千瓦造价成本下降6.5%，表明累计装机规模扩大促进了风电光伏成本下降。

3）原材料价格波动对风电光伏成本影响是阶段性的，对风电光伏成本长期下降趋势影响并不明显。风电的主要原材料包括钢材、铝、铜、稀土永磁材料、环氧树脂、玻璃纤维等，光伏主要原材料包括硅料、钢化玻璃、钢、铜、铝等，分析2012-2023年大宗商品价格数据，这些原材料总体呈现波动变化趋势，但价格并未出现明显的增长或减少，可以判断过去十年中国风电、光伏成本下降并非来源于原材料价格下降。但从阶段性价格变化数据看，钢材、硅料等原材料价格变化会导致风电、光伏成本明显变化。

4）政策在风电光伏产业导入期是重要驱动力，2020年后成本和市场需求作用更加明显。2006-2020年，中国出台了大量政策引导风电光伏产业发展，对风电光伏项目建设提供税收、电价、基础设施配套等方面的支持政策，包括对开发企业所得税“三免三减半”优惠政策，提高了项目的汇报率；固定的上网电价政策稳定了项目收益，吸引市场投资；为风电光伏项目提供并网便利和全额保障性上网等等，是风电光伏项目开发的重要驱动力。2020年后，风电光伏电价补贴政策取消，但装机规模依然保持较大规模增长，2021-2023年风电和光伏新增装机容量占全部装机容量的比重分别为36.5%、58.5%，市场需求替代了政策成为另一驱动因素。

5）零部件国产化降低了风电机组单机价格，光伏制造装备和硅料加工国产化推动光伏组件价格下降。2012-2023年中国风电和光伏国产化率进一步提升，风电零部件国产化率超过95%，以风电轴承为例，十年前中国风电轴承约70%依赖进口，进口轴承价格较高，各类风电轴承在风机中成本占比大约为16%~17%，国产化后，风电轴承价格下降了约80-90%，从而降低风电机组价格，变频器/变流器、电机、PLC等核心零部件的国产化比例也进一步提升。同期，光伏全产业链基本实现了100%国产化，光伏制造装备的90%以上已经国产化，多晶硅的价格下降了95%，改变了十年前光伏产业上游装备制造、硅料加工和下游光伏应用市场“两头在外”的发展局面，促进了光伏产业良性发展。

5.讨论与展望

案例重点采用定性和定量相结合的方式，多渠道及多维度搜集和整合风电、光伏产业技术、成本、装机容量、政策、原材料、国产化等相关数据，定量分析和深入评估影响成本下降的因素，阐明成本下降对中国风电、光伏发展的影响。研究可知，中国风电和光伏产业的发展是一个“政策导入-技术进步-成本下降-市场需求增长-产业发展壮大”的良性发展过程。在风电和光伏产业的导入前期，政策起到了重要的推动作用，政府通过制定相关规划和政策，为产业发展提供了方向和支持。随着产业的发展，技术进步成为风光产业成本下降的核心推动力，研发投入不断增加，新型材料和设计不断涌现，风电设备和光伏电池的效率得以提高，同时制造成本逐渐降低。当风电和光伏发电的经济性达到一定水平后，其应用规模开始迅速扩大，应用规模的扩大推动市场需求增长，为了满足市场需求，企业不断加大投入，扩大生产规模，提高产品质量和性能。同时，市场竞争也日趋激烈，促使企业不断创新和改进技术，以降低成本、提高效率。这种良性发展使得风电和光伏产业不断壮大，并形成了完整的产业链。

展望未来，风光成本将继续保持下降趋势，市场需求将持续扩大，产业发展也将进一步加速。一方面，随着技术的创新和应用，风电和太阳能发电的效率将不断提高，成本将进一步降低，使得可再生能源规模也逐渐扩大。另一方面，随着产业规模的扩大和规模效应的发挥，风电和太阳能发电项目的建设和运营成本将进一步降低，使得更多的项目得以实施和推广。同时风光成本的下降和产业规模化发展还面临着一些挑战，如何平衡可再生能源发展与生态环境保护的关系、如何解决可再生能源并网和消纳的问题等，需要在未来的发展中加以重视和解决。此外，本研究在评估技术、规模效应、政策、原材料、国产化等因素时，由于各因素所涉维度不一，部分因素在评估时受数据体量及量化困难所限，当前只能采取定性与定量相结合的方法进行分类评估，难以集中比较，是本次研究的局限之处。未来建议探索、引入新的算法分析模型，扩展相关量化数据，进一步比较技术、规模效应、政策、原材料、国产化等各因素对风光成本下降的实际影响。

案例附录

附录1：数据来源

n 2015-2021年《全国可再生能源电力发展监测评价报告》

n 2017-2023年国家能源局统计全国电力工业数据

n 2019-2022年《中国可再生能源发展报告》

n 2012-2021年《中国风电产业地图》

n 2015-2024年《中国光伏产业发展路线图》

n 2022-2024年《我国电力发展与改革报告》

n 2016-2017年投产电源工程项目造价情况

n 《RENEWABLE POWER GENERATIONCOSTS IN 2022》

n 2023年全国各省份脱硫燃煤平均标杆电价

n 2021-2023年水规院统计数据

n 2012-2023年计鹏数据库

n Wood Mackenzie统计数据

附录2：缩略词

附录3：主要参考文献

[1] 李鹏雁,孙硕.基于学习曲线的西北地区光伏发电成本分析[J].节能技术,2017,35(05):469-474.

[2] 赵航,刘广斌,国莉媛,等.基于学习曲线的太阳能发电成本分析与预测[J].山西财经大学学报,2014,36(S1):89-90.DOI:10.13781/j.cnki.1007-9556.2014.s1.022.

[3] 陈志祥.学习曲线及在工业生产运作研究中的应用综述[J].中国工程科学,2007,(07):82-88+94.

[4] 侯金鸣,孙蔚,肖晋宇,等.电力系统关键技术进步与低碳转型的协同优化[J].电力系统自动化,2022,46(13):1-9.

[5] John Helveston, Gang He, and Michael Davidson. 2022. “Quantifying the Cost Savings of Global Solar Photovoltaic Supply Chains.” Nature, October. https://doi.org/10.1038/s41586-022-05316-6.

[6] Gibbons J D, Chakraborti S. Nonparametric Statistical Inference[M],1992. 3rd.New York:M.Dekker.

[7] 国家能源局网站公开信息，2011.“自主技术走天下——我国太阳能电池板制造业巡礼”.信息来源：https://www.nea.gov.cn/2011-09/05/c_131101220.htm

[8] 国家能源局网站公开信息，2017.“中国光伏：从制造大国到应用强国”.信息来源：https://www.nea.gov.cn/2017-09/25/c_136636907.htm

[9] 国家能源局网站公开信息，2011.“2012年我国光伏产业发展形势前瞻”.信息来源：https://www.nea.gov.cn/2011-12/08/c_131294535.htm